基于厚度的磨料水射流切割参数模型

磨料水射流（AWJ）加工技术，作为一门新兴的特种加工技术与其他加工技术相比，具有很多优点。本文简要介绍了磨料水射流技术的加工原理及其设备，利用回归分析方法，建立了厚度与工作压力、进给速度、磨料流量和靶距关系的数学模型，并进行误差分析。     

基于CFD的磨料水射流水下切割研究

从工程实际应用的角度出发,运用理论研究、试验验证、软件仿真等手段,对前混合磨料高压水射流系统的水下切割技术进行机理分析及实验研究.     

磨料水射流切割技术

本文列举了作者应用自行设计的前混合式磨料水射流切割试验装置完成的切割试验，分析了磨料水射流切割金属材料的原理及该项技术的切割优点，认为磨料水射流切割是很有发展前途的冷加工新工艺，可作为一种新的特种加工工艺加以推广。     

磨料水射流切割参数模型的研究

简要介绍了磨料水射流(AWJ)技术的加工原理及其设备,重点研究利用回归分析方法,建立了厚度与工作压力、进给速度、磨料流量和靶距关系的数学模型,并进行了误差分析。     

磨料水射流数控切割机床的研制

介绍前混合磨料水射流数控切割机床的广泛的应用范围及产业化前景,并详细地介绍磨料水射流数控切割机床的总体结构、工作原理和结构设计,该项目通过科技成果鉴定,已经达到国际先进水平。     

预测磨料水射流切割质量模型的研究

磨料水射流(AWJ)是高速水与磨料混合对材料进行加工的一种新型冷态高能切割技术,有着广阔的应用前景。但因其流态的特性,使得切割质量存在一些缺陷。为了提高工件表面质量和生产效率,在优化选择切割工艺参数组合的基础上,获得大量实验数据,试图建立能够精确预测切割质量的网络模型。通过程序对模型拓扑结构的改进,使得模型预测的切割质量更准确,很好地满足加工需要。     

磨料水射流切割混凝土的深度预测模型

在对磨料水射流切割混凝土分析基础上,应用BP人工神经网络理论,建立磨料水射流切割基于射流压力、靶距、磨料粒径、磨料流量、磨料喷嘴直径、磨料喷嘴长度及横移速度等射流参数的深度模型,通过模型预测结果与实验结果的比较,验证模型具有一定的精度,为实际运用和进一步研究提供参考。     

基于淹没环境的超高压后混合磨料水射流切割试验研究

利用超高压水射流切割试验系统,在80～280MPa压力范围内进行淹没磨料水射流切割试验研究,通过试验及数据分析,验证了后混合淹没磨料射流切割的可行性,得出了磨料粒径和质量流量、射流压力、靶距、切割横移速度等参数对射流切割性能的影响规律,对于脆性和塑性材料,试验中各参数对切割深度的影响基本一致.结果表明:在试验给出的工况条件下,磨料流量存在最佳值,在一定范围内切割深度随磨料流量增加而增加,当磨料流量达到一定值后,切割深度随流量增加反而下降;切割深度与射流压力基本呈线性增长关系;随着靶距的增大,切割深度逐渐减小;切割深度随切割速度的增加呈指数衰减趋势,并且相同试验工况下淹没射流切割深度要大于非淹没状态.试验结果为超高压淹没磨料水射流的实际应用和研究提供了参考.     

磨料水射流切割质量的参数化模型

作为一种新型的冷态高能束切割技术,磨料水射流(AWJ)以其独特的优点得以广泛应用,但其本身的技术特性使得切割质量存在不足。本文从能量角度分析了AWJ切割质量的影响因素,结合实验数据采用回归分析方法建立了AWJ切割质量与工作压力、切割速度、磨料流量的半经验模型,能够可以满足工程需要。为AWJ切割工艺参数优化选择及切割质量的评价、分析提供了理论基础。     

磨料水射流切割技术及其应用

阐述了磨料水射流的切割原理及低压磨料水射流切割机的工作原理和主要构造。并详细论述了低压磨料水射流切害虫机具有结构简单、操作方便、切缝质量好、切割效率高,并能对复杂图形实现智能化切守旧等优点,它是切割玻璃、陶瓷、大理石及花岗石等难切割材料的理想设备。     

基于人工神经网络的优化设计专家系统

提出了一个利用人工神经网络构造产品优化设计专家系统的方法。该专家系统将为优化算法提供接近最优解的初始设计方案,从而加快优化的收敛速度。还较详细地推导了ＡＮＮ 的学习方法,并给出了详细的算法以及对学习样本进行正规化的方法,以提高ＢＰ算法的学习效果。本方法可以直接运用于工程实际。     

基于神经网络的余度敏感器结构故障诊断方法

针对飞行载体中余度敏感器结构的故障诊断，讨论了基于神经网络的直接比较测量值的诊断方法。应用自适应线性元件能实现线性，感知器具有分类的特点，设计出一种神经网络，可用于余度敏感器结构的故障诊断。仿真结果表明：这种方法不仅可以检测出故障、故障的类型和发生的时间，而且灵敏度高，为余度敏感器结构的故障诊断提出了一种有实用价值的方法。     

基于神经网络的曲面加工振动监测方法

文章论述了一种新的基于传感器信息的切削加工振动预测方法，提出了切削状态指数的概念，用于描述切削状态，利用神经网络规划切削条件与切削状态的非线性关系，给出了曲面加工切削振动状态的变化规律。     

磨料水射流切割质量的神经网络预测

磨料水射流切割质量影响因素较多,难以建立有效的理论模型,结合实验结果,建立磨料水射流切割质量的神经网络预测模型。结果表明,对于所给定切割参数,该模型能快速、准确、可靠地预测出切割质量。     

人工神经网络及其在机械加工中的应用实例

介绍了人工神经网络知识及其在磨削表面粗糙度研究中的应用和建模过程。试验表明神经网络能自适应各种加工条件,具有较高的柔性和智能,能更准确地反映加工因素之间的变化关系,并可推广到其他领域中处理模糊的、非线性的问题。     

基于模拟退火的BP神经网络激光切割质量控制模型

激光切割金属板材过程中,工艺条件和表面质量之间存在较为复杂的对应关系;提出基于BP神经网络的激光切割质量控制模型,建立工艺条件与切割面粗糙度之间的关系模型,试验测量点取距切割下边缘1.5mm处表面粗糙度Ra;提出利用模拟退火算法提高多层神经网络的拟合精度,改善网络的收敛性能;切割试验样本设计拟采用星点设计法,用于提高神经网络训练样本的信息量和可靠性;经过实际切割不锈钢板材,验证上述方法具有一定的可靠性和应用价值。     

基于神经网络的柔性结构损伤模式识别方法

提出一种基于人工神经网络（ANN－Artificial Neural Network)的柔性结构损伤模式识别方法,将神经网络用做损伤模式的分类器,引入通过对输入模式的增强来实现多种模式分类的函数连接型神经网络构成损伤模式识别方法,通过对柔性悬臂梁结构的损伤识别实验表明,该方法运用于模式较少的场合非常有效,并且网络结构简单,学习速度快,实验中采用PVDF压电薄膜作为信号获取元件,并且以柔性结构多个位置传感器的输出值的相对值作为模式识别中的特征向量,识别时对梁的振动幅度没有固定要求,实验结果表明,这是一种有效的损伤模式识别方法。     

基于样本聚类模糊神经网络的刀具磨损状态实时识别

利用一种根据K－means方法对样本聚类后建立的改进模型神经网络（MTFNN）模型,对刀具后刀面磨损量进行在线工况实时识别。仿真结果表明该工况辨识模型精度高,收敛速度快,实用性较强,适宜于复杂的,非线性加工系统建模。     

A QP Artificial Neural Network inverse kinematic solution for accurate robot path control

In recent decades, Artificial Neural Networks (ANNs) have become the focus of considerable attention in many disciplines, including robot control, where they can be used to solve nonlinear control problems. One of these ANNs applications is that of the inverse kinematic problem, which is important in robot path planning. In this paper, a neural network is employed to analyse of inverse kinematics of PUMA 560 type robot. The neural network is designed to find exact kinematics of the robot. The neural network is a feedforward neural network (FNN). The FNN is trained with different types of learning algorithm for designing exact inverse model of the robot. The Unimation PUMA 560 is a robot with six degrees of freedom and rotational joints. Inverse neural network model of the robot is trained with different learning algorithms for finding exact model of the robot. From the simulation results, the proposed neural network has superior performance for modelling complex robot’s kinematics.     

基于人工神经网络进行带钢轧制过程轧辊偏心的识别

人工神经网络是一门新兴的学科。伴随着计算机技术的飞速发展 ,人工神经网络的应用前景越来越广阔 ,本文试图运用人工神经网络的基本理论与观点 ,结合轧制过程的控制数模 ,对带钢轧制过程中轧辊偏心识别进行研究 ,并建立一种新的数学模型 [1 ] 。